xAI的聯(lián)合創(chuàng)始人之一楊格（Greg Yang）發(fā)布的消息震驚了所有人——

因為在xAI的工作強度太大，免疫力下降，萊姆病發(fā)作，他將退出日常工作，轉(zhuǎn)為公司的“顧問”。

關(guān)于萊姆病，很多人多多少少知道多少。被小小的蜱蟲叮咬，就有幾率患上這種細(xì)菌性傳染病。初期癥狀像感冒，頭痛、疲勞，出現(xiàn)皮疹，后期則是嚴(yán)重的頭痛、關(guān)節(jié)痛、心悸，面癱，記憶力嚴(yán)重減退，而且很可能發(fā)展成慢性疾病。

這并非一種很爆裂的疾病，但是會一點點蠶食患者的生活，很多病人在長久的折磨下也會患上抑郁癥。

此前患上萊姆病的名人有艾薇兒·拉維尼，以及名模貝拉·哈迪德。她們患病之后，工作和生活也嚴(yán)重受到影響。艾薇兒更是從大眾視野消失了很多年，以至于她回歸之后，一直流傳“真正的艾薇兒已死，現(xiàn)在的是替身”的陰謀論。

楊格是xAI的一個關(guān)鍵人物，他所研究的張量程序，是讓模型在擴大的同時規(guī)避一些風(fēng)險的秘訣。

他的患病退出，也讓外界突然一下對AI行業(yè)的頂級人才有了某種實感——哪怕是構(gòu)建再牛的模型，背后還是脆弱的人類，被一只小蜱蟲就“放倒”了。

AI行業(yè)激進(jìn)前行的時候，某種“狼性文化”也在席卷硅谷。加班加點、通宵達(dá)旦，世界上最聰慧的一群人正在燃燒自己，他們被夢想與追求包裹著，并不覺得委屈。但過勞傷身，哪怕是在“偉大使命”面前也沒有例外。

01

不走尋常路的楊格

楊格出生于湖南，在北京讀完小學(xué)，初中起隨父母前往美國。

本科的時候，楊格順利考入哈佛大學(xué)，攻讀數(shù)學(xué)專業(yè)。

本科，楊格一讀就是七八年才畢業(yè)。不是因為他學(xué)業(yè)出了問題，而是因為他喜歡探索。

在學(xué)習(xí)之余，楊格積極參加各種活動，更是一度迷戀上了“打碟”。

在讀完大二后，楊格干脆做起了DJ，不過最后他意識到自己真正的熱情還是在數(shù)學(xué)，于是一年半之后，又回到了哈佛繼續(xù)讀書。

結(jié)果讀完春季學(xué)期，楊格又休學(xué)了兩年。這次他學(xué)了很多東西，除了數(shù)學(xué)和理論計算機科學(xué)和人工智能的前沿進(jìn)展，還涉獵了物理學(xué)、生物學(xué)、神經(jīng)科學(xué)等等。

而且他還對神經(jīng)圖靈機燃起了興趣，休學(xué)期間在ICLR還發(fā)了篇論文，名為“Lie Access Neural Turing Machine”，翻譯過來就是用Lie群訪問神經(jīng)圖靈機。

神經(jīng)圖靈機在當(dāng)時是很火的一個想法，由DeepMind的人發(fā)明，讓神經(jīng)網(wǎng)絡(luò)擁有“外部記憶”，像傳統(tǒng)計算機的內(nèi)存一樣，能讀寫、移動指針。

楊格做的事，是從數(shù)學(xué)（特別是Lie群，一種連續(xù)的、對稱的群結(jié)構(gòu)，常出現(xiàn)在拓?fù)鋵W(xué)、微分幾何、可微拓?fù)渲校┙鑱砹怂悸?，設(shè)計了一個新的記憶訪問機制。

由此，楊格體現(xiàn)出了一種思維方式——從數(shù)學(xué)嚴(yán)謹(jǐn)工具切入AI問題，試圖給神經(jīng)網(wǎng)絡(luò)的“計算結(jié)構(gòu)”加數(shù)學(xué)約束，讓它更像“可編程的計算機”。

這種方式也將貫穿楊格后續(xù)的研究。

自學(xué)了兩年，楊格再次回到哈佛大學(xué)讀書，這次總算是老老實實讀到了畢業(yè)，師從著名數(shù)學(xué)家丘成桐。也是在丘成桐的鼓勵下，楊格參與并拿到了本科數(shù)學(xué)領(lǐng)域最高榮譽之一的摩根獎。

2017年，楊格拿到了哈佛大學(xué)數(shù)學(xué)學(xué)士學(xué)位和計算機科學(xué)碩士學(xué)位。

畢業(yè)后，他沒有讀博，選擇直接申請工作。

當(dāng)時他已經(jīng)拿到了谷歌的工作，但是丘成桐知道之后說：“谷歌這種很差的公司就不要去了，我有個朋友叫沈向洋，我馬上給他打電話?！?/p>

楊格一去面試，其哈佛前五水平的專業(yè)能力立刻驚艷到了微軟，也給他發(fā)了Offer（專門比谷歌多加一塊錢）。

楊格最終選擇了微軟，進(jìn)入了微軟研究院。這屬于破格錄取，微軟研究院當(dāng)時只招收博士生。

02

張量程序與“萬物理論”

進(jìn)入微軟研究院之后，楊格迎來研究生涯中最突出的貢獻(xiàn)——張量程序（Tensor Programs）。

他的研究目標(biāo)，是把長期以來更像“經(jīng)驗活兒”的深度學(xué)習(xí)，拉回到可以被推導(dǎo)、被驗證的科學(xué)軌道上。

在早期的大模型階段，訓(xùn)練成本高得驚人。像GPT-3這樣的模型，一次完整訓(xùn)練就要消耗巨量算力和資金，這意味著研究者幾乎沒有空間反復(fù)試錯。

很多關(guān)鍵決策——參數(shù)如何初始化、網(wǎng)絡(luò)怎么縮放——只能靠小模型摸索，再賭一把能不能在大模型上復(fù)現(xiàn)。

正是在這樣的背景下，楊格提出了mμP（maximal update parameterization，最大更新參數(shù)化）。這套方法的核心思想很直接：讓模型在不同規(guī)模下“學(xué)到的東西保持一致”。

通過mμP，研究者可以先在只有幾百萬參數(shù)的小模型上把超參數(shù)調(diào)到理想狀態(tài)，再將這些設(shè)置無縫遷移到規(guī)模擴大數(shù)百倍、數(shù)千倍的大模型中，而不需要重新試錯，性能也不會崩塌。

這意味著大模型不再是“賭博”，而可以被系統(tǒng)性設(shè)計和放大。

而這還只能算楊格開發(fā)張量程序的“短期目標(biāo)”。

張量程序的終極目標(biāo)，是開發(fā)大規(guī)模深度學(xué)習(xí)的“萬物理論”（Theory of Everything for Large Scale Deep Learning）。

這里借用了物理學(xué)中“萬物理論”的概念——物理學(xué)家追求一個統(tǒng)一框架，能同時解釋引力、電磁力、強/弱相互作用等所有基本力。

楊格用這個比喻來表達(dá)他的雄心：希望為大規(guī)模（large-scale）深度學(xué)習(xí)——尤其是像GPT、Grok、Llama這樣參數(shù)量巨大、寬度/深度極深的神經(jīng)網(wǎng)絡(luò)——建立一個同樣統(tǒng)一、嚴(yán)謹(jǐn)、可預(yù)測的數(shù)學(xué)理論框架，讓深度學(xué)習(xí)從“經(jīng)驗主導(dǎo)的工程實踐”徹底轉(zhuǎn)向“可從第一性原理推導(dǎo)的科學(xué)”。

如此野心，輪到馬斯克上場了。

2023年夏天，馬斯克攜手創(chuàng)始團隊宣布xAI成立，楊格正是12位創(chuàng)始成員之一。

xAI一成立就喊出要“探尋宇宙本質(zhì)”的目標(biāo)，也和楊格的“萬物理論”相合。當(dāng)時楊格在X上發(fā)帖也提到了這一點。

在xAI，楊格的身份是聯(lián)創(chuàng)兼任“數(shù)學(xué)家”，在這里他繼續(xù)將張量程序的研究發(fā)揚光大。

xAI從一開始的目標(biāo)就不是慢慢做一個還不錯的模型，而是要在極短時間內(nèi)把模型推到非常夸張的規(guī)模，直接和OpenAI、Google、Anthropic正面硬碰。

這種情況下，最大的問題是會不會在中途翻車、哪些設(shè)計一旦錯了就要付出天價代價。楊格在xAI扮演的角色，正是提前把這些風(fēng)險篩掉。

張量程序提供了一種判斷方式：

· 哪些現(xiàn)象是“規(guī)模一上去必然會出現(xiàn)的”，

· 哪些只是小模型里看起來漂亮、但一放大就會消失。

這讓xAI能把算力集中在真正有長期價值的方向上，而不是被短期指標(biāo)牽著走。

當(dāng)公司要做極端激進(jìn)的模型規(guī)模決策時，楊格是那個能判斷這條路在數(shù)學(xué)和工程上是否站得住的人，是xAI技術(shù)路線的核心決策人。

03

馬斯克治理下的“狼性文化”

在xAI擔(dān)此重任，背后是高強度的工作。

關(guān)于xAI的成員有多拼，曾經(jīng)有一個傳言。去年7月，有人發(fā)布了幾張照片，照片中辦公室里到處都搭著帳篷，發(fā)布者聲稱那是xAI的盛況。

當(dāng)時正是楊格站出來“辟謠”的。

但是他的辟謠很有意思，先是說圖中的并不是xAI的辦公室，隨后跟了一句“xAI的帳篷可比這多多了”。

很多人都看得出來這只是句玩笑，但是玩笑里可能又多多少少包含一些真相——馬斯克治理下，公司里工作強度能有多高，外界是心里有數(shù)的。

最典型的例子是，當(dāng)初馬斯克突然接手推特（后改名為X），這家硅谷著名的“快樂公司”登時變成了戰(zhàn)場，一邊是很多員工迅速被裁員，另一邊是還留任的員工忙到在辦公室睡覺。

馬斯克也曾經(jīng)發(fā)文稱，因為Grok 4要發(fā)布了，和xAI的成員一起通宵干活。

xAI怎么可能不“硬核”？

成立僅僅幾個月，xAI就推出了Grok 0并開放測試。接著在2024年3月份，xAI發(fā)布了Grok-1，這是一個有3140億參數(shù)的大型開源語言模型，在規(guī)模上超過了很多同類大型模型。

在基礎(chǔ)設(shè)施方面，xAI也動作迅速：他們在2024年中宣布在美國田納西州孟菲斯建設(shè)名為Colossus的超級計算集群來訓(xùn)練AI模型，并在當(dāng)年年底甚至更快地將首批約10萬塊Nvidia GPU部署完成，整個超算集群的早期部署過程比行業(yè)平均速度快很多。

整個2025年，Grok迭代三次，從Grok 3、Grok 4到Grok4.1 Fast，而且?guī)缀趺吭露加行“姹净蚬δ芨隆?/p>

而楊格的身體，也是在高強度的工作下出了問題，下面是楊格公布自己病情的帖子全文：

我一直在與萊姆病（Lyme disease）作斗爭。

我將從 xAI 的日常事務(wù)中退下來，轉(zhuǎn)為一個非正式的顧問角色，這樣我可以把自己切換到“創(chuàng)始人模式”，專注把健康這件事搞定——從今天開始。

癥狀始于 2025 年初我生過一場病的時候（可能是感冒、流感，或者新冠，我也不確定）。在“康復(fù)”后的幾周里，我明顯感覺到：精力變差了，創(chuàng)造力下降了，行動力也弱了。之后狀態(tài)時好時壞，但低谷一次比一次更低。

有時只是誤吃了不合適的東西，就會讓我極度疲憊，需要好幾天才能緩過來；鍛煉一次，整個人會虛弱好幾天；有一周我每天睡 12 個小時，依然完全恢復(fù)不過來。

萊姆病 notoriously 難以診斷，但幸運的是，我遇到了一位非常厲害的醫(yī)生。他判斷這些癥狀并不是“心理作用”，而是免疫系統(tǒng)出了問題。經(jīng)過幾輪抽絲剝繭式的檢測，我們最終確認(rèn)：我患有萊姆病。

這讓我非常意外，因為通常認(rèn)為萊姆病來自蜱蟲叮咬（皮膚上會出現(xiàn)像靶心一樣的紅斑），但我完全不記得自己經(jīng)歷過這樣的事。更可能的情況是，我很早以前就感染了萊姆病，只是一直沒有明顯癥狀；直到我高強度地投入到 xAI 的建設(shè)中，透支了身體，免疫系統(tǒng)被削弱，這些問題才浮出水面。

總體來說，我反而覺得自己很幸運，能在這個階段發(fā)現(xiàn)問題。萊姆病是一種很嚴(yán)重的疾病，越晚發(fā)現(xiàn)，治療就越困難——很多人在五六十歲才確診，處境要艱難得多。它也可能讓人喪失行動能力，長期臥床；而我現(xiàn)在仍然可以正常生活、自理起居，這已經(jīng)是非常好的結(jié)果了。

所以，盡管有人說“你不該把自己逼得這么狠”，但我并不后悔。正是因為我曾經(jīng)那么拼，問題才被提前暴露；現(xiàn)在我可以把它徹底解決，等身體反彈回來，再把自己推到更高的強度。

“慢性萊姆病”在醫(yī)學(xué)研究和公眾認(rèn)知中都仍然是一個理解不足的領(lǐng)域。對很多患者來說，這是一場非常孤獨的戰(zhàn)斗。希望我的經(jīng)歷，能讓正在承受這一切的人，感覺不那么孤單一點。

可以看到，楊格明確表示感染萊姆病可能是早就感染了，但正是因為在xAI的高強度工作導(dǎo)致免疫力下降，萊姆病才發(fā)作的。

但是楊格認(rèn)為，這其實是“因禍得?！薄皇莤AI高強度的工作，也不會早早發(fā)現(xiàn)自己有萊姆病。早早發(fā)現(xiàn)了，就可以早早治療，而早治療的效果會更好。

不知道大家是什么感受，但筆者總覺得，工作太累生了病，還要感謝公司讓自己發(fā)現(xiàn)自己有病，實在是有點太敬業(yè)。

最絕的是馬斯克的回復(fù)，在楊格的貼文下，馬斯克說：

“希望你能快點好起來。也許Grok會找到治愈（萊姆病）的方法！”

不愧是老馬，這會兒也不忘宣傳Grok。

xAI的12位創(chuàng)始成員中，除了楊格轉(zhuǎn)為“顧問”之外，還有三人已經(jīng)離職：Christian Szegedy、Kyle Kosic、Igor Babuschkin。

目前，xAI的工作仍然在向前進(jìn)，Grok 5在路上，編程類的產(chǎn)品也在路上。

楊格正在積極治療中，發(fā)布了長文公布病情之后，他表示心情反而輕松了很多。他在X上更新自己做高壓氧艙治療的過程與感受，每次要做一個半小時。

做治療的時候，楊格習(xí)慣看電影，比如《綠皮書》《環(huán)太平洋》，生活明顯慢了下來，但疲憊感仍然如影隨形。

楊格的消息之后，外界最大的一個感觸是：構(gòu)建AI的人類依然如此脆弱，被一只小蜱蟲輕易“放倒”了。

但寫罷此文，更讓我膽寒的是在構(gòu)建AI的過程中，人是如何被異化的。

優(yōu)秀如楊格，固然有自己的學(xué)術(shù)理想乃至探索宇宙的追求，但不可否認(rèn)的是，當(dāng)下如此快節(jié)奏、密集地、不留一點喘息地AI開發(fā)是商業(yè)競爭下的產(chǎn)物。

世界上最聰慧的一群人，正在燃燒自己，變?yōu)锳I的燃料。

不過沒關(guān)系，楊格雖然暫時無法堅持了，還有很多人才可以，對xAI也好，對整個AI行業(yè)也好，又有什么打擊呢？